EJERCICIOS

ANÁLISIS DE REGRESIÓN LINEAL, CORRELACIÓN Y

DIAGRAMAS DE DISPERSIÓN

Fecha:17/11/2024
Nombre del estudiante: Carlos Garcia Perez
Nombre del docente: CARLOS GUADARRAMA PONCE

1. Con base en el material consultado en la unidad resuelve los ejercicios que se plantean
acerca de los siguientes temas:

 Diagrama de dispersión
 Coeficiente de correlación
 Análisis de regresión lineal simple

Ejercicios sobre diagramas de dispersión, correlación y regresión lineal:

1. Revisa el siguiente material:

Llinás, H. (2017). Estadística Inferencial [Versión electrónica]. Recuperado de

[Link]

Colección [Link] Pórtico UVM

Capítulo 6 Regresión Lineal y Correlación,
Epígrafe 6.1. El modelo de Regresión Lineal Simple
Páginas 377 a 379

2. Resuelve los ejercicios que se plantean en el material anterior.

Archivo Ejercicios Unidad 1.

 Página 377 Problemas 14.40,
 Página 378 Problemas 14.42,14.53
 Página 379 Problemas 14.54

40. Un local comercial ha determinado que el coeficiente de correlación entre sus gastos
mensuales y sus ganancias hace dos años es r = 0, 56. Suponga que tanto los gastos
como las ganancias son aproximadamente normales y ponga a prueba la hipótesis nula

Página 1 de 8
H0 : ρ = 0 contra la hipótesis alternativa H1 : ρ = 0, con el nivel de significancia de 0,05.
Para poner a prueba la hipótesis nula H 0 : ρ=0 contra la hipótesis alternativa H 1: ρ≠ 0,
utilizamos el coeficiente de correlaciónr y la fórmula del estadístico de prueba t

Datos proporcionados:

 Coeficiente de correlación: r=0.56

 Número de observaciones: n=24(por ser un periodo de dos años con datos
mensuales)
 Nivel de significancia: α =0.05

Paso 1: Hipótesis
 Hipótesis nula (H 0 ): ρ=¿0 (No hay correlación entre los gastos y las ganancias)
 Hipótesis alternativa (H 1 ): ρ ≠ 0(Hay una correlación significativa)

 Paso 2: Cálculo del estadístico de prueba t

 La fórmula para el estadístico de prueba t es:

 Sustituyendo los valores:

Paso 3: Determinación del valor crítico

Para un nivel de significancia α = 0.05 y n−2 = 22 grados de libertad, el valor crítico de t
de la distribución t de Student es aproximadamente ±2.074

Paso 4: Comparación de t calculado con el valor crítico

 El valor calculado de t es 3.17
 El valor crítico de t es ±2.074.
Como t = 3.17 > 2.074, rechazamos la hipótesis nula H 0.

Página 2 de 8
Paso 5: Conclusión
Dado que t = 3.17 es mayor que el valor crítico 2.0742, rechazamos la hipótesis nula. Esto
significa que hay suficiente evidencia para afirmar que existe una correlación significativa
entre los gastos y las ganancias del local comercial. Por lo tanto, rechazamos H 0 y
aceptamos H 1, lo que indica que ρ≠0

Interpretación:

Página 3 de 8
 El resultado sugiere que los gastos y las ganancias están significativamente
correlacionados, lo que indica que los cambios en los gastos probablemente afecten las
ganancias del negocio.

42. Un comerciante determinó que la correlación entre las utilidades mensuales

(millones de pesos) y los gastos mensuales (en millones en pesos) fue de r =0.61 para
un periodo de 1 año. Determine si hay una correlación positiva entre las utilidades y
los gastos mensuales, asumiendo que estos dos siguen una distribución
normal por mes. Use α =0.01.

Paso 1: Formular las hipótesis

 Hipótesis nula ¿ ¿) No hay correlación entre las utilidades y los gastos, es decir, ρ=0
 Hipótesis alternativa ( H 1): Hay una correlación positiva entre las utilidades y los gastos,
es decir, ρ>0

Paso 2: Datos necesarios

 Coeficiente de correlación: r = 0.61

 Nivel de significancia: α = 0.01
 Número de observaciones: Para un año con 12 meses, n = 12
Paso 3: Calcular el estadístico t
 El estadístico t se calcula usando la siguiente fórmula para la correlación de Pearson:

Donde:
 r es el coeficiente de correlación.
 n es el número de observaciones.
Sustituyendo los valores:

Paso 4: Determinar los grados de libertad

El número de grados de libertad es n−2, es decir:
grados de libertad =12−2=10

Página 4 de 8
 Paso 5: Comparar con el valor crítico de t

Usamos una tabla de distribución t para α = 0.01 y 10 grados de libertad para una prueba
unilateral (porque estamos probando si la correlación es positiva):
Usamos α=0.01 y los grados de libertad para determinar:

Prueba de una cola:

En este caso:

 El valor crítico de t para α = 0.01y 10 grados de libertad es aproximadamente 2.763.

Paso 6: Tomar la decisión

 Si el valor calculado de t es mayor que el valor crítico, rechazamos la hipótesis nula.
 Si el valor calculado de t es menor que el valor crítico, no rechazamos la hipótesis nula.
En este caso:
 El valor calculado de t=2.43
 El valor crítico de t = 2.763

Página 5 de 8
 Dado que 2.43 < 2.763, no rechazamos la hipótesis nula.

Conclusión
Con un nivel de significancia de α=0.01, no hay suficiente evidencia para afirmar que
existe una correlación positiva significativa entre las utilidades y los gastos mensuales.

3. Utiliza la Hoja de Cálculo o Minitab en el desarrollo de los ejercicios propuestos y realiza

captura de pantallas del proceso y resultados obtenidos.

CONCLUSIONES
La regresión lineal, la correlación lineal y los diagramas de dispersión son herramientas
fundamentales en el análisis de datos debido a su capacidad para identificar y medir relaciones

Página 6 de 8
entre variables. Su relevancia radica en que permiten comprender mejor cómo un factor puede
influir sobre otro, lo que facilita la toma de decisiones informadas en distintos ámbitos.
Por ejemplo, la correlación lineal permite determinar si existe una relación significativa entre dos
variables, como el tiempo invertido en publicidad y el aumento en ventas. La regresión lineal,
por otro lado, es útil para predecir valores futuros, como estimar los ingresos en función del
número de clientes. Los diagramas de dispersión complementan este análisis, proporcionando
una representación visual de los datos que ayuda a identificar patrones y tendencias.
En un ámbito cotidiano, una posible aplicación podría ser el análisis de la relación entre el
tiempo dedicado a actividades físicas y la mejora en la salud cardiovascular. Utilizando estas
herramientas, se podría establecer un modelo predictivo que ayude a las personas a planificar
mejor sus rutinas de ejercicio para obtener beneficios óptimos.
En general, estas herramientas fortalecen las habilidades analíticas y permiten abordar
problemas complejos de forma estructurada y basada en evidencia.

RESULTADOS
La aplicación de los conceptos revisados se evidencia en la resolución de los ejercicios:

1. Cálculo del coeficiente de correlación: Se identificó la relación entre variables como

gastos e ingresos, utilizando fórmulas estadísticas que proporcionaron claridad sobre la
fuerza y la dirección de las relaciones entre datos.
2. Pruebas de hipótesis: Mediante la comparación entre los valores calculados y los
críticos, se logró evaluar si las relaciones observadas eran estadísticamente
significativas, lo cual refuerza la validez de los análisis realizados.
3. Ajuste de regresión lineal: Los ejercicios incluyeron el desarrollo de modelos
predictivos que permiten estimar valores futuros basados en datos históricos. Esto
demuestra la utilidad de la estadística para hacer predicciones fundamentadas.
4. Visualización con diagramas de dispersión: La representación gráfica facilitó la
interpretación de las relaciones entre variables y permitió identificar tendencias de
manera intuitiva.
Estos resultados destacan cómo los conceptos de regresión, correlación y dispersión no solo
son herramientas estadísticas teóricas, sino que tienen aplicaciones prácticas que ayudan a
resolver problemas reales en diversos contextos. Por ejemplo, en el ámbito académico o
empresarial, estas técnicas son esenciales para analizar datos y tomar decisiones informadas.

FUENTES

 De la Puente Viedma, C. (2018). Estadística descriptiva e inferencial. Recuperado de

[Link]
%C3%ADstica_descriptiva_e_inferencial_Carlos_De_La_Puente_Viedma_pdf

Página 7 de 8
 Llinás Solano, H. (2010). Estadística Inferencial. Recuperado de
[Link]
[Link]
 Gutiérrez, E., & Vladimirovna, O. (2016). Estadística inferencial 1 para ingeniería y
ciencias. Recuperado de
[Link]
[Link]
 González, L. (2017, agosto 27). Prueba de hipótesis para significancia de los
coeficientes de regresión [Archivo de video]. Recuperado de
[Link]
 Montgomery, D. C., & Runger, G. C. (2014). Applied Statistics and Probability for
Engineers. Nueva York: John Wiley & Sons.
 Triola, M. F. (2018). Estadística. Madrid: Pearson Educación.

* * *

Página 8 de 8